Senvol 机器学习软件获美国空军认可，展示强大的3D打印材料鉴定能力

导读：通常来讲，要想认定一款 3D打印材料实用性能的优劣与否，往往需要经历漫长的应用效果评估和丰富的数据积累才能确定，而如今，机器学习技术正在极大地缩短这一过程。南极熊认为，如果该项技术成熟化，甚至可以淘汰的传统“材料试错法”。 2022年2月22日，增材制造数据专家Senvol展示了其机器学习（ML）技术如何被用来加速新型航空 3D打印材料的鉴定进程。根据美国3D打印加速器AmericaMakes签发的合同，该公司已经部署了Senvol ML软件，以便加快确定材料的研发过程是否经济。该项目由美国空军（USAF）资助，它被认为是生产新一代耐用轻质部件的关键，可用于航空航天和商业领域。
NAVAIR的退休首席科学家和项目参与者William E. Frazier博士说："我曾参与过几个增材制造工艺和材料的飞行鉴定，在我看来，这项技术的进一步发展将对国防部（DoD）和商业平台的成本、进度和性能产生积极影响。Senvol公司的Mil-enabled方法直接解决了一个主要的行业挑战：更快速的、具有成本效益的 3D打印材料的开发。"
△美国空军正在使用Senvol的AM软件来优化EOS 3D打印机的设置，以生产航空零件。图片来自美国空军的Mikayla Heineck。 Senvol ML的军事潜力
实际上，Senvol ML是一个数据驱动的软件，可以用来分析3D打印参数和材料的最终性能之间的关系。该程序不受任何一种技术的束缚，与所有已知的AM工艺兼容，使用户能够根据预先设定的目标机械性能，为其系统或材料生成一套参数。 Senvol ML的预测能力主要归功于其模块化的综合计算材料工程或 "ICME "框架。分为四个模块，这个ICME对收集到的参数、材料属性、工艺特征和机械性能的数据之间的关系进行量化，以生成任何结果部件将如何以快速的速度表现的预测。
在这样做的过程中，Senvol ML为航空航天、国防、消费、医疗、汽车和石油天然气领域的采用者提供了重要的质量保证工具，而且该技术现在也越来越多地在军事领域得到应用。仅仅从2020年开始，Senvol就利用其软件帮助打印大型航空零件，并开发了一个导弹鉴定工作流程，同时获得了国防部的进一步研发资金。
Senvol公司总裁ZachSimkin说："Senvol公司的数据驱动的机器学习技术有可能大幅降低开发可使用材料的成本。通过展示一种全新的、明显更有效的、可量化的开发方法，Senvol向美国空军、美国制造成员以及整个增材制造行业证明了它的巨大价值。"
△来自SenvolML的分析实例 - 不锈钢粉末和激光粉末床融合。图片来自Senvol。
材料分析技术的发展
森沃尔的"美国制造"研究项目是围绕着确定材料的"性能允许值"的过程。也被称为 "设计允许值"，这些值基本上代表了统计学上确定的材料所需的最低耐久性能，以使它们在特别苛刻的应用中可行。
具体而言，该项目要求展示Senvol ML软件的机器学习算法如何加速这一过程，同时减少通常需要的大量经验数据，这可能是3D打印更广泛的军事部署的一个障碍。
美国制造的技术总监Brandon Ribic博士解释说："增材制造是一种现代化和数字化的制造方法，具有快速的可定制加工。继续使用传统的材料试错方法，是制约增材制造更广泛的材料和工艺选择和能力的瓶颈。"
据Ribic说，Senvol公司通过开发一种数据分析驱动的鉴定方法，成功地克服了这一瓶颈，以一种非常强大的方式展示了其软件的能力。事实上，通过与诺斯罗普-格鲁曼公司、美国国家航空研究所（NIAR）、Stratasys直接制造公司和Pilgrim咨询公司合作，据说该公司能够确定经证实的材料特性，同时优化其数据生成要求。
尽管Senvol公司在该项目中集中精力寻找通过粉末床熔融机加工的阻燃尼龙11的特性允许值，但它说它的方法可以应用于"任何AM工艺、机器和材料"，以便比传统方法更快速、更经济、更准确地确定其参数。
Simkin总结说："这个美国制造计划的结果是令人难以置信的成功。此外，我们还确定了其他几个机会领域，以深入研究机器学习能力，解决这个行业的关键需求。我们期待着继续与业界合作，推进这一前沿领域的发展。"
△Alchemite软件界面。图片来自Intellegens
一种新的鉴定方法？ 与传统的材料“试错”鉴定方法相比，基于机器学习的算法提供了一种消除失败打印品背后的人为错误的手段。尽管许多这样的程序仍处于实验阶段，但由Senvol ML和Intellegens等公司开发的软件的好处，现在已经开始进入工厂车间。
就在去年，后者与谢菲尔德大学的AMRC和波音公司合作，提出了一种新的优化的3D打印航空航天零件的方法。利用该公司自己的Alchemite ML平台，该项目旨在加强粉末床融合工艺，以确保比以前更快、更便宜、用更多的材料生产部件。 同样，麻省理工学院（MIT）的工程师们也开发了一种开源的ML算法，旨在帮助更多的人加快识别3D可打印材料的过程。在他们的 "AutoOED "软件中，该团队的程序能够自动识别具有所需品质的可行材料，如韧性、刚度和强度。